基于圖像處理的高速列車(chē)車(chē)號(hào)識(shí)別算法研究.pdf

1、目前，我國(guó)迎來(lái)了高速鐵路建設(shè)的高潮，按照《中長(zhǎng)期鐵路網(wǎng)規(guī)劃》我國(guó)最終形成“八橫八縱”的高速鐵路網(wǎng)，運(yùn)營(yíng)里程的增加和速度的提升使列車(chē)安全問(wèn)題越來(lái)越受重視。受電弓滑板作為列車(chē)從接觸網(wǎng)上獲取電能的關(guān)鍵部件，在利用現(xiàn)有圖像處理技術(shù)監(jiān)測(cè)到其發(fā)生異常情況后，需要迅速判斷列車(chē)車(chē)號(hào)等相關(guān)信息，及時(shí)排除安全隱患并上報(bào)有關(guān)部門(mén)。使用傳統(tǒng)射頻技術(shù)識(shí)別車(chē)號(hào)無(wú)法建立與受電弓滑板狀態(tài)一一對(duì)應(yīng)的關(guān)系，而利用攝像機(jī)同時(shí)采集車(chē)號(hào)圖像與受電弓滑板圖像進(jìn)行車(chē)號(hào)識(shí)別達(dá)到了這樣

2、要求，是進(jìn)一步檢測(cè)受電弓故障異常狀態(tài)的基礎(chǔ)。
　　本文工作是依托受電弓滑板監(jiān)測(cè)裝置來(lái)展開(kāi)的，算法利用攝像機(jī)對(duì)列車(chē)側(cè)面拍攝得到的車(chē)號(hào)數(shù)據(jù)，進(jìn)行車(chē)號(hào)定位、矯正、分割后，完成了高速列車(chē)車(chē)號(hào)自動(dòng)識(shí)別的任務(wù)。本文主要內(nèi)容如下:
　　(1)在圖像預(yù)處理階段，使用帶彩色恢復(fù)的多尺度視網(wǎng)膜皮層增強(qiáng)算法(Multi-scale Retinex with Color Restoration，MSRCR)對(duì)數(shù)據(jù)集中部分受到天氣或者拍攝環(huán)境影響產(chǎn)生

3、的過(guò)曝、過(guò)暗以及存在霧氣的圖像進(jìn)行圖像增強(qiáng)。
　　(2)車(chē)號(hào)精確定位過(guò)程中，針對(duì)筆畫(huà)寬度變換(Stroke Width Transform，SWT)出現(xiàn)計(jì)算量大、定位不準(zhǔn)等問(wèn)題，首先提前進(jìn)行圖像輪廓篩選和設(shè)置最大筆畫(huà)閾值，然后進(jìn)行筆畫(huà)寬度變換，最后采用形態(tài)學(xué)膨脹操作將單個(gè)字符筆畫(huà)值連接為一個(gè)車(chē)號(hào)整體進(jìn)行定位。經(jīng)測(cè)試，改進(jìn)后的SWT變換程序運(yùn)算時(shí)間比原算法縮短了約70％。
　　(3)針對(duì)車(chē)號(hào)存在透視畸變的問(wèn)題，首先分析了傳統(tǒng)基

4、于滅點(diǎn)算法在本文中的不適應(yīng)性，然后研究了變換不變低秩紋理(Transform Invariant Low-rank Textures，TILT)算法，建立了求解的數(shù)學(xué)模型并進(jìn)行矯正，最后單個(gè)車(chē)號(hào)字符分割過(guò)程中，本文引入了一種基于字符間距的輪廓檢測(cè)均分算法。該算法對(duì)存在斷裂和粘連字符的分割正確率與普通的輪廓分割算法相比有較大的提高。
　　(4)在單個(gè)字符識(shí)別過(guò)程中，首先對(duì)小樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)以滿(mǎn)足訓(xùn)練網(wǎng)絡(luò)的需要，然后以經(jīng)典LeNe